评测口径说明见 codeforces。本页只放分数：各模型竞赛编程能力强度（注意：均为报告方口径，协议不一）。
进展时间线（均为报告方口径）
| 时间 | 模型 | CF Rating / 百分位 | 来源与备注 |
|---|---|---|---|
| 2023-12 | AlphaCode 2 | ≈人类前 15% | DeepMind 模拟参赛估计 |
| 2024-12 | o1 | 89 百分位（内部评测 ~1791） | OpenAI 发布材料 |
| 2025-01 | DeepSeek R1 | 2029（超 96.3% 人类） | DeepSeek 技术报告；同报告 o1-1217 为 2061 |
| 2025-01 | o3-mini (high) | 2037 | OpenAI，CodeforcesEval |
| 2025-08 | GPT-5 (high) | 2721 | OpenAI 报告；第三方复测另有 2537 口径 |
| 2025-10 | DeepSeek V3.2 / Speciale | 2386 / 2701 | DeepSeek（Speciale 达人类大师级） |
| 2025-11 | Gemini 3 Pro | 3455（人类 Top 10，仅 7 人能赢） | Google 模型卡 |
| 2026-04 | DeepSeek V4 / GPT-5.4 | 3206（并列，人类现役第 23 位） | DeepSeek 发布口径 |
注意矛盾点：Gemini 3.0 Pro（2025-11）3455 > GPT-5.4（2026-04）3206，时间上”后来者反而更低”——这正是协议差异（采样次数/场次/判题口径）大于能力差异的典型例子。读任何 CF rating 先问协议。
衍生评测集当前榜首
| 评测集 | 榜首 | 分数 | 备注 |
|---|---|---|---|
| LiveCodeBench Pro | Gemini 3 Deep Think | 81.6% | 其后 Gemini 3.1 Pro Preview 75.5%、GPT-5.2-high 53.1%（断崖明显） |
| LiveCodeBench v6 | Sakana Fugu-Ultra | 93.2% | benchlm 快照，16 模型 |
分数观察
- rating 是协议敏感指标：同一模型不同采样/提交协议差几百分；厂商自选口径数字当宣传看，横向比要用同一评测框架
- 竞赛编程 ≠ 软件工程：CF rating 与 SWE-bench/Terminal-Bench 排名不迁移——它测算法设计与深度推理，不是工程交付
- 头部已进入人类 Legendary GM 区间（3455），该指标对 frontier 的区分度在下降，各家开始转向 LiveCodeBench Pro / 奥赛级题目